STATISTICA A K (60 ore)
|
|
- Ottavio Castaldo
- 7 anni fa
- Visualizzazioni
Transcript
1 STATISTICA A K (60 ore) Marco Riani mriani@unipr.it Esercizio: si consideri una generica popolazione X con media µ e varianza σ 2 Siano T 1 =(X 1 +X 2 +X 3 +X 4 )/4 e T 2 =(3X 1 +4X 2 +X 3 +2X 4 )/10 due stimatori di µ per campioni di ampiezza n=4 Si effettuino le seguenti operazioni: Si verifichi che lo stimatore T 2 è non distorto Si determini la varianza dei due stimatori e si stabilisca quale dei due stimatori è più efficiente Hint: X 1 X 2 X 3 X 4 are random variables IID (independent and identically distributed) with the same distribution of X K 1
2 Soluzione Verifica che T 2 è non distorto E(T 2 )=(1/10)E(3X 1 +4X 2 +X 3 +2X 4 ) =(1/10) [3 E(X 1 )+4E(X 2 )+E(X 3 )+2E(X 4 )]= = (1/10) [ 3µ +4µ + µ + 2µ]=µ Calcolo della varianza dei due stimatori VAR(T 1 )=σ 2 /4=0,25σ 2 VAR(T 2 )= (1/100) [ 9σ 2 +16σ 2 + σ 2 +4σ 2 ] =(30/100) σ 2 =0,3σ 2 Dato che VAR(T 1 )<VAR(T 2 ) T 1 è più efficiente e quindi preferibile Esercizio Il tempo impiegato da un meccanico in un negozio di biciclette per assemblare un certo tipo di bicicletta può essere considerato una v.c. normale con media 32 minuti e deviazione standard 3,5 minuti. Si calcoli la probabilità che il tempo medio per assemblare 10 biciclette Non superi 33 minuti Sia compreso tra 28,5 e 31,5 minuti K 2
3 Soluzione X=v.c. tempo impiegato X~N(32, 3,5 2 ) n=10 Il valore è stato ottenuto dalla funzione di Excel =DISTRIB.NORM.ST(0,9035). Utilizzando le tavole F(0,90)=0,81594 Calcolo di I valori 0,32572 e 0,00078 sono stati ottenuti con le funzioni di Excel =DISTRIB.NORM.ST(-0,45175) e =DISTRIB.NORM.ST(-3,16228). Utilizzando le tavole si ottiene F(-0,45)-F(-3,16)= = K 3
4 Esercizio Sia X 1 X 2, X 80 un campione casuale proveniente da una popolazione distribuita secondo il modello f(x)=3x 2 (0<x<1). Si determini la probabilità che la media campionaria sia minore di 0,8. Esercizio Sia X 1 X 2, X 80 un campione casuale proveniente da una popolazione distribuita secondo il modello f(x)=3x 2 (0<x<1). Si determini la probabilità che la media campionaria sia minore di 0,8. K 4
5 Distribuzione del fenomeno nell universo Rappresentazione grafica di f(x)=3x 2 (0<x<1) Dato che Soluzione Per calcolare la probabilità che la media campionaria sia minore di 0,8 è necessario trovare la media (µ) e la varianza (σ 2 ) dell universo K 5
6 Soluzione Passo 1. Calcolare la media e la varianza dell universo X che presenta densità f(x)=3x 2 (0<x<1) X presenta distribuzione (non normale) con E(X)=µ=3/4 e VAR(X)=σ 2 =3/80 X presenta distribuzione non normale con E(X)=µ=3/4 e VAR(X)=σ 2 =3/80 La media campionaria di un campione di 80 osservazioni estratte da X presenta la seguente distribuzione approssimata (per il teorema centrale del limite) K 6
7 Esercizio Si definisce errore quadratico medio (MSE=mean square error) di uno stimatore T di un parametro θ la quantità E(T-θ) 2. Dimostrare che se lo stimatore T è corretto il suo MSE coincide con la sua varianza Dimostrare che se lo stimatore T è distorto il suo MSE può essere scritto come: MSE(T)=VAR(T) + Bias 2 Soluzione: dimostrare che se lo stimatore T è corretto il suo MSE coincide con la sua varianza Se T è uno stimatore non distorto di θ allora E(T)= θ quindi MSE=E(T- θ) 2. MSE=E(T- θ) 2 = E(T- E(T)) 2 =VAR(T) K 7
8 Soluzione: Dimostrare che se lo stimatore T è distorto il suo MSE può essere scritto come: MSE(T)=VAR(T) + Bias 2 MSE(T)=E(T - θ) 2 = E(T- E(T) +E(T) - θ) 2 Svolgendo il quadrato si ottiene: MSE(T)=E(T E(T)) 2 + (E(T) - θ) 2 2*(E(T) - θ)*e(t E(T)) Il doppio prodotto è zero quindi MSE(T)= E(T E(T)) 2 + (E(T) - θ) 2 =VAR(T)+Bias 2 STIMA PER INTERVALLO K 8
9 Stima per intervallo Intervallo di confidenza di livello 1- α =intervallo che contiene il vero (ma ignoto) valore del parametro dell universo con probabilità 1-α 1-α= livello di confidenza Stima della media dell universo (grandi campioni n>100) Teorema centrale del limite K 9
10 Costruzione dell int. di confidenza per la media campionaria al 95% 0,025 0,025 0,95-1,96 1,96 Costruzione dell int. di confidenza per la media campionaria al 99% 0,005 0,005 0,99-2,58 2,58 K 10
11 Costruzione dell int. di confidenza per la media campionaria Costruzione dell int. di confidenza per la media campionaria al 95% Interpretazione: intervallo (simmetrico rispetto a X medio) entro il quale è compresa, con probabilità 0,95, la media d un campione estratto a caso da un universo di cui si conoscono la media μ e la varianza σ 2. K 11
12 Esempio Un azienda ha dipendenti; la retribuzione media di tutti i dipendenti è µ=1800 Euro con σ=700 Calcolare l intervallo in cui è compresa con prob. 0,95 la media di un campione di 200 dipendenti 1-α=0,95 z(α)=1,96 µ= α=0,95 z(α)=1,96 µ=1800 Intervallo in cui è compresa con prob. 0,95 la media delle retribuzioni di un campione di 200 dipendenti K 12
13 Costruzione dell int. di confidenza per µ (p. 64) Intervallo di confidenza di µ Intervallo entro cui è compresa con prob. 1-α l ignota media dell universo µ Osservazione: la varianza dell universo è solitamente ignota stimata con s cor Errore standard K 13
14 Intervallo di confidenza di µ ad uso operativo (p. 65) Ipotesi: n>=100 Esempio: stima della durata media del funzionamento delle pile d un certo tipo n=160 =248 ore; s=26 ore Livello di confidenza =0,99 K 14
15 Osservazione Nell esempio precedente avevamo potuto applicare il teorema centrale del limite poiché n era elevato (n>30) Cosa faccio quando n è piccolo? Ip. Il fenomeno presenta distribuzione normale nell universo Se σ 2 è noto X~N(µ, σ 2 ) per qualunque n (anche n=1) Se σ 2 ignota e viene stimato con s cor allora Distribuzione t di Student con n-1 gradi di libertà K 15
16 Confronto tra una v.a. t di Student con g gradi di libertà ed una v.a. N(0,1) t(α) valori critici ( percentili ) nella v.a. t con g gradi di libertà F[-t(α)]= α/2 F[t(α)]= 1-α/2 Tavola in appendice: non riporta F(t) ma i percentili t(α) per α e g prefissati K 16
17 VALORI CRITICI t(α) DELLA VARIABILE ALEATORIA T DI STUDENT PER g GRADI DI LIBERTA ED AL LIVELLO DI SIGNIFICATIVITA α α 0,1 0,05 0,02 0,01 0,001 g 1 6,314 12,706 31,821 63, , ,920 4,303 6,965 9,925 31, ,353 3,182 4,541 5,841 12, ,132 2,776 3,747 4,604 8, ,015 2,571 3,365 4,032 6,869 1 α 6 1,943 2,447 3,143 3,707 5, ,895 2,365 2,998 α/2 3,499 5,408 α/2 8 1,860 2,306 2,896 3,355 5, ,833 2,262 2,821 3,250 4, ,812 2,228 2,764 -t(α) 3,169 4,587 +t(α) 11 1,796 2,201 2,718 3,106 4, ,782 2,179 2,681 3,055 4, ,771 2,160 2,650 3,012 4, ,761 2,145 2,624 2,977 4, ,684 2,021 2,423 2,704 3, ,671 2,000 2,390 2,660 3,460 1,645 1,960 2,326 2,587 3,291 Dato che F[-t(α)]= α/2 F[t(α)]= 1-α/2 K 17
18 Intervallo di confidenza di livello 1 α per la media dell universo μ, nel caso di piccoli campioni e nell ipotesi che X~N(μ, σ 2 ) con σ ignoto: Esempio: stima della durata media del funzionamento delle pile d un certo tipo n=10 =248 ore; s=26 ore Livello di confidenza =0,99 K 18
19 Esempio: stima della durata media del funzionamento delle pile d un certo tipo n=10 =248 ore; s=26 ore Livello di confidenza =0,99 L ipotesi X~N(µ, σ 2 ) è ragionevole g=9 t(0,01)=3,250 Confronto tra i due intervalli di confidenza n elevato (v.a. normale standardizzata) n piccolo (v.a. T di Student) K 19
20 Elementi che fanno variare l ampiezza dell intervallo di confidenza (p. 70) s.q.m. dell universo σ Più σ è elevato, maggiore è la variabilità della v.a. media campionaria stima meno precisa Livello di confidenza 1-α Aumentando 1- α, si riduce α si incrementa z(α), t(α) (l intervallo aumenta) Elementi che fanno variare l ampiezza dell intervallo di confidenza Numerosità del campione n Per dimezzare l ampiezza occorre quadruplicare n Se n è piccolo non vale più il teorema centrale del limite t(α) sostituisce z(α) σ ignoto fattore correttivo (n/(n-1)) 0,5 K 20
21 Significato della probabilità associata all intervallo di confidenza Formulazione deduttiva Principio del campionamento ripetuto distribuzione campionaria di Formulazione induttiva μ è una costante (non una v.a.) come si può attribuire una probabilità ad un affermazione che riguarda μ? Principio del campionamento ripetuto gli estremi dell intervallo sono v.a. (v. esempio pp ) K 21
22 Stima della frequenza relativa (grandi campioni) V.a. Frequenza relativa campionaria, P: E(P) = π Teorema centrale del limite Intervallo di conf. della frequenza relativa Intervallo di confidenza di livello 1 α per la frequenza relativa dell universo π, nel caso di grandi campioni: K 22
23 Esempio: stima della quota di mercato n = 400 consumatori; 82 acquirenti p = 82/400 = 0,205 20,5% (stima campionaria di π) Calcolare l intervallo di confidenza di π al livello di confidenza di 0,95 Esempio: stima della quota di mercato n = 400 consumatori; 82 acquirenti p = 82/400 = 0,205 20,5% (stima campionaria di π errore standard della v.a. P: s(p) = = 0,020 Teorema centrale del limite 1 α=0,95 z(0,05) = 1,96 0,205±1,96 0,020 K 23
24 Esempio: stima della quota di mercato n = 400 consumatori; 82 acquirenti p = 82/400 = 0,205 20,5% (stima campionaria di π) Calcolare l intervallo di confidenza di π al livello di confidenza di 0,99 1 α= 0,99 z(0,01) = 2,58 0,205 ± 2,58 0,020 Intervalli ampi (stima poco precisa) aumentare n Cosa succede se n è piccolo? K 24
25 Esercizio Il direttore di un centro commerciale vuole modificare l orario di apertura del centro. In un campione casuale di 300 clienti, 246 si sono dichiarati favorevoli al nuovo orario proposto. Si determini l intervallo di confidenza della frequenza relativa dell universo con probabilità 0,95 con probabilità 0,995 e si commentino in termini comparati i suddetti intervalli Soluzione K 25
26 Esercizio: stima della percorrenza media delle vetture diesel di un certo modello al primo guasto n=400 = Km; s cor =9000 Km Calcolare l intervallo di confidenza di µ al 95% e al 99% Soluzione K 26
27 Esercizio La deviazione standard della statura degli studenti iscritti ad una università è 5,8 cm. Quanti studenti si devono estrarre a sorte dalla popolazione se si vuole con probabilità del 90% che l errore di stima della media non superi i 2 cm. Soluzione K 27
28 Esercizio I dati che seguono si riferiscono alla durata (in migliaia di Km) di una cinghia da automobile in un campione di 15 osservazioni 115,4 85,2 89,1 118,3 88,4 109,3 104,3 69,3 105,5 106,8 103,1 101,6 102,9 89,6 109,3 Facendo le opportune ipotesi, si costruisca un intervallo di confidenza per la media al 99% Soluzione K 28
29 Esercizio Di seguito sono riportati i Km percorsi in un giorno da un campione di taxi operante in una grande città Sulla base di questo campione assumendo che la popolazione generatrice sia normale è stato determinato il seguente intervallo di confidenza (116,55 144,7). Si calcoli il livello di confidenza su cui è stato calcolato Soluzione K 29
30 Variante al precedente esercizio Se i dati di base fossero stati i seguenti: Quale sarebbe stato il livello di confidenza dell intervallo (116,55 144,7)? Soluzione K 30
31 Esercizio Nella seguente distribuzione di frequenze è riportato il numero di dipendenti di 50 aziende tessili operanti in una determinata provincia. Numero di dipendenti Frequenze assolute Si calcoli l'intervallo di confidenza al 99% della media dell'universo del numero di dipendenti commentando i risultati ottenuti (con o senza il valore anomalo) Soluzione K 31
32 Esercizio Un azienda produce rotoli di stoffa della lunghezza di 70m. Tali rotoli possono presentare difetti di diversa natura. L azienda è interessata a stimare il numero medio di difetti presenti nei rotoli prodotti. In un campione casuale di 85 rotoli si è trovata la seguente distribuzione n. difetti Frequenza Si determini l intervallo di confidenza al 99% per la media dei difetti presenti nei rotoli di stoffa Soluzione K 32
33 Esercizio Con riferimento all esercizio precedente, si consideri che un rotolo risulta vendibile se presenta un massimo di 3 difetti. Sulla base dello stesso campione di cui all esercizio precedente, si costruisca un intervallo di confidenza al 95% per la proporzione di rotoli considerati vendibili Soluzione K 33
34 Esercizio Nel processo di controllo del peso delle confezioni di un determinato prodotto l azienda esamina un campione di 800 confezioni e trova che 15 di esse hanno un peso fuori norma. Si determini l intervallo di confidenza al 97% della proporzione di pezzi fuori norma. Se la proporzione di pezzi fuori norma nell'universo fosse uguale a 1,5%, effettuando cinque estrazioni si calcoli la probabilità di trovare esattamente due pezzi fuori norma; si scriva e si calcoli l'espressione che consente di calcolare la probabilità di ottenere un numero di pezzi fuori norma compreso tra due e quattro (estremi compresi). rappresentare graficamente la densità Soluzione K 34
35 Esercizio Data una scheda telefonica da 5 euro di cui non si sa se sia mai stata usata e nel caso sia stata usata non si conosce l ammontare ancora disponibile, è ragionevole ipotizzare per tale ammontare X la seguente funzione di densità f(x)=1/5 per [0 x 5] Verificare che f(x)=1/5 per [0 x 5] sia una densità e rappresentarla graficamente Calcolare il credito residuo atteso (E(X)) Calcolare la varianza del credito residuo (VAR(X)) Devo fare una telefonata da 2 calcolare la prob che la scheda sia sufficiente per fare la telefonata Ho 60 schede tutte con un ammontare che si distribuisce come descritto sopra. Qual è la prob che l ammontare complessivo sia superiore a 180 K 35
36 Soluzione Esercizio La durata di un macchinario si distribuisce secondo una distribuzione normale di media 2 anni e scarto quadratico medio 0,5 anni. Si determini: 1. prob che il macchinario duri più di 28 mesi. 2. l intervallo di ampiezza 2 anni al quale corrisponde la massima prob di contenere la durata effettiva del macchinario. Calcolare tale probabilità. 3. Se il costo di acquisto del macchinario è di 1000 euro e il costo del suo funzionamento è stimato in 150 euro all anno, si calcolino la media e la varianza del costo complessivo del macchinario. K 36
37 Soluzione K 37
STATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Elementi che fanno variare l ampiezza dell intervallo di confidenza (p. 70) s.q.m. dell universo σ Più σ è elevato, maggiore è la
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it In un urna vi sono N/2 palline bianche e N/2 palline nere. Si supponga di estrarre un campione con ripetizione di dimensione n. Si
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio In un urna vi sono N/2 palline bianche e N/2 palline nere. Si supponga di estrarre un campione con ripetizione di dimensione
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it STIMA PUNTUALE (p. 55) Il parametro è stimato con un unico valore Esempio: stima della share di un programma TV = % di spettatori
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio: stima della percorrenza media delle vetture diesel di un certo modello al primo guasto n=400 =34.000 Km; s cor =9000 Km
Dettaglin=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio In una prova sul carico di rottura di due tipi di corda si dispone di 2 campioni di ampiezza 26 e 35 rispettivamente. Nel
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it In una prova sul carico di rottura di due tipi di corda si dispone di 2 campioni di ampiezza 26 e 35 rispettivamente. Nel primo campione
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio In un urna vi sono N/2 palline bianche e N/2 palline nere. Si supponga di estrarre un campione con ripetizione di dimensione
DettagliOccorre trovare la distribuzione di DM
Esercizio In una prova sul carico di rottura di due tipi di corda si dispone di 2 campioni di ampiezza 26 e 35 rispettivamente. Nel primo campione la media è 185,3Kg, nel secondo campione la media è 175,2Kg.
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
DettagliGli intervalli di confidenza. Intervallo di confidenza per la media (σ 2 nota) nel caso di popolazione Gaussiana
Statistica Lez. 1 Gli intervalli di confidenza Intervallo di confidenza per la media (σ nota) nel caso di popolazione Gaussiana Sia X una v.c Gaussiana di media µ e varianza σ. Se X 1, X,..., X n è un
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
Dettaglix ;x Soluzione Gli intervalli di confidenza possono essere ottenuti a partire dalla seguente identità: da cui si ricava: IC x ;x = +
ESERCIZIO 6.1 Si considerino i 0 campioni di ampiezza n = estratti da una popolazione X di N = 5 elementi distribuiti normalmente, con media µ = 13,6 e σ = 8,33. A partire dalle 0 determinazioni della
DettagliParametri e statistiche. Parametri e statistiche. Distribuzioni campionarie. Popolazione Parametri Valori fissi, Statistiche o Stimatori.
Parametri e statistiche Popolazione Parametri Valori fissi, spesso non noti Campione Statistiche o Stimatori Variabili casuali, le cui determinazioni dipendono dalle particolari osservazioni scelte Parametri
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
DettagliContenuto del capitolo
Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come
Dettaglib) E necessario formulare delle ipotesi per calcolare l intervallo di confidenza ottenuto al punto a? (motivare brevemente la risposta):
ESERCIZIO 1 Una grande banca vuole stimare l ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto. Si seleziona un campione di 100 clienti su cui si osserva
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio Il contenuto di nicotina di una certa marca di sigarette è 0,25 milligrammi con una deviazione standard di 0,015. Un associazione
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015 1 2 3 4 5 6 7 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliGli intervalli di Confidenza. Lezione 9- Inervalli di Confidenza 1
Lezione 9 Gli intervalli di Confidenza Confidenza 1 Intervalli di Confidenza Sia X 1, X n un campione di ampiezza n estratto dalla popolazione X~(µ,σ 2 ) Per quanto accurato possa essere lo stimatore T
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Marco Pietro Longhi Probabilità e Statistica
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliProbabilità e Statistica
Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Intervalli di confidenza Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
DettagliLe statistiche campionarie sono stime dei parametri ignoti della popolazione al cui valore siamo interessati.
Una volta selezionato il campione, la variabile di interesse viene misurata sugli elementi che lo costituiscono. I valori che la variabile assume vengono poi sintetizzati utilizzando le statistiche opportune
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni
DettagliSi estrae casualmente usando uno schema di campionamento con ripetizione un campione di n=2 misurazioni.
ESERCIZIO 1 Si consideri la popolazione consistente di N=4 studenti (A, B, C, D) del corso di Statistica Avanzata. Il voto conseguito dagli studenti alla fine del corso è riportato nella seguente tabella:
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Tipologia di v.a. v.a. discreta numero finito di valori (infinità numerabile) x 1 x 2,, x k con probabilità p 1 p 2, p k Esempio:
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Verifica d ipotesi Esempio di logica di un test statistico Prova d esame con 10 quesiti a quiz 4 possibili risposte per ogni quesito
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliIntervallo di confidenza.
Intervallo di confidenza annarita.vestri@uniroma1.it campione inferenza popolazione Media Riportare sempre anche la deviazione standard Stima puntuale di Media, dev.standard, numerosità Qualche semplice
DettagliArgomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '
Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore
DettagliESERCITAZIONE N. 7 corso di statistica
ESERCITAZIONE N. 7corso di statistica p. 1/15 ESERCITAZIONE N. 7 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 7corso di statistica p. 2/15 Introduzione Variabili aleatorie continue
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliSTATISTICA /2005
STATISTICA 1 2004/2005 Stimatori e Intervalli di Confidenza Esercizio 1 Riportiamo qui sotto venti campioni di taglia 5 estratti da una distribuzione normale standard N(0,1). -1,23 0,60 0,03 1,45 0,89-1,59-0,62
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliMetodi Statistici per il Marketing. #05 Elementi di statistica inferenziale e di teoria dei campioni
Corso di Metodi Statistici per il Marketing LUISS A.A. 2017-2018 #05 Elementi di statistica inferenziale e di teoria dei campioni 15 Marzo 2018 Alessio Guandalini (Docente: P. D Urso) #05 Elementi di statistica
DettagliCenni di statistica statistica
Cenni di statistica La statistica è una disciplina che ha come fine lo studio quantitativo e qualitativo di un particolare fenomeno in condizioni di incertezza o non determinismo, ovvero di non completa
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliPROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A
PROVA SCRITTA DI STATISTICA (COD. 047 - COD. 403-37-377) 7 luglio 200 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A Esercizio (9 punti) Supponiamo di aver osservato la seguente
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliSOLUZIONI PROVA SCRITTA DI STATISTICA (cod. 4038, 5047, 371, 377) 8 settembre 2005
SOLUZIONI PROVA SCRITTA DI STATISTICA cod. 4038, 5047, 371, 377) 8 settembre 2005 MODALITÀ B APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE Esercizio 1. 7 punti) Su un collettivo di 13 nuclei
Dettagli4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media
Esercizi sulle distribuzioni, il teorema limite centrale e la stima puntuale Corso di Probabilità e Inferenza Statistica, anno 007-008, Prof. Mortera 1. Sia X la durata in mesi di una valvola per radio.
Dettagli1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti?
Esercizio 1 Consideriamo una popolazione X, dove X = {3,5,7}. 1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti? 2. Quali sono i possibili campioni di numerosità
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore Marco Riai mriai@uipr.it http://www.riai.it STIMA PUNTUALE (p. 55 Il parametro è stimato co u uico valore Esempio: stima della share di u programma TV % di spettatori el campioe
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliAnalisi statistica in simulazione
Analisi statistica in simulazione Aspetto fondamentale in simulazione, a volte sottovalutato Corrette interpretazione dei risultati Analisi dei dati di di input definizione e parametrizzazione del modello
DettagliAnalisi statistica classica. Analisi statistica in simulazione. Stima della media. Stima della media
Analisi statistica in simulazione Analisi statistica classica Aspetto fondamentale in simulazione, a volte sottovalutato Corrette interpretazione dei risultati Analisi dei dati di di input definizione
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Verifica d ipotesi 1 Esempio di logica di un test statistico Prova d esame con 10 quesiti a quiz 4 possibili risposte per ogni quesito
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliUniversità del Piemonte Orientale. Corsi di laurea triennale di area tecnica. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corsi di laurea triennale di area tecnica Corso di Statistica Medica Intervalli di confidenza Corsi di laurea triennale di area tecnica - Corso di Statistica Medica -
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti
DettagliIl Teorema del limite Centrale (TLC)
(TLC) Teorema. Sia X 1,..., X n un campione i.i.d. per una v.a. X, avente E(X ) = µ e Var(X ) = σ 2 entrambi finiti. Allora Z n = X µ σ 2 n n Y N(0, 1) Si noti che nel calcolare Z n ho standardizzato X.
DettagliCampionamento e stima di parametri
Sia X una variabile aleatoria associata a un dato esperimento. Ripetiamo l esperimento n volte, ottenendo una famiglia di valori sperimentali della v.a. X : X = (X 1, X 2,..., X n ) ogni X i é una v.a.
DettagliESERCIZIO 1. Soluzione. X =numero di passeggeri giornaliero
ESERCIZIO 1 La somma dei numeri di passeggeri di un autoservizio suburbano rilevati in 7 giorni scelti a caso è pari a 385. Si assuma un modello gaussiano per descrivere il numero giornaliero di passeggeri.
DettagliSTATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE
S.S.I.S TOSCANA F.I.M. -II anno STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE PROBLEMA 1 Vogliamo valutare la percentuale p di donne fumatrici tra le donne in età fertile. Procediamo all estrazione
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliStatistica 1- parte II
Statistica 1- parte II Esercitazione 2 Dott.ssa Antonella Costanzo 18/02/2016 Esercizio 1. IC media incognita, varianza nota Una fabbrica A produce matite colorate. Una prova su 100 matite scelte a caso
DettagliR - Esercitazione 5. Andrea Fasulo Venerdì 16 Dicembre Università Roma Tre
R - Esercitazione 5 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 16 Dicembre 2016 Intervalli di confidenza (1) Sia X 1,..., X n un campione casuale estratto da un densità f (x, θ) nota
DettagliStima puntuale di parametri
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Stima puntuale di parametri Ines Campa Probabilità e Statistica -
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
DettagliProbabilità e Statistica
Probabilità e Statistica Stima puntuale di parametri Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 018/019 Marco Pietro Longhi Prob. e Stat.
DettagliESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini:
ESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini: VALORE ATTESO Variabile casuale SOMMA delle n variabili Variabile casuale MEDIA
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliSTATISTICA (modulo II - Inferenza Statistica) Soluzione Esercitazione I
Soluzione Esercitazione I Esercizio A. Si indichi con A i l evento la banca i decide di aprire uno sportello per il quale Pr(A i = 0.5 (e dunque Pr(A i = 0.5 per i =, 2, 3. Lo spazio degli eventi dato
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso
DettagliIntervallo di confidenza
Intervallo di confidenza Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima puntuale di µ la deviazione standard Media,
DettagliSTATISTICA (II modulo - Inferenza Statistica) Esercitazione I consegna 3 maggio 2006
STATISTICA (II modulo - Inferenza Statistica) Esercitazione I consegna 3 maggio 2006 Esercizio A. Si supponga che tre banche vorrebbero aprire uno sportello presso un nuovo centro commerciale e che ciascuna
DettagliStima puntuale di parametri
Probabilità e Statistica Esercitazioni a.a. 006/007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. II Esonero - 10 Gennaio 2014
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014 II Esonero - 10 Gennaio 2014 1 2 3 4 5 6 7 8 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliUniversità di Pavia Econometria. Richiami di Statistica. Eduardo Rossi
Università di Pavia Econometria Richiami di Statistica Eduardo Rossi Università di Pavia Campione casuale Siano (Y 1, Y 2,..., Y N ) variabili casuali tali che le y i siano realizzazioni mutuamente indipendenti
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche la
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile Uniforme Continua Data una scheda telefonica da 5 euro di cui non si sa se sia
Dettagli